(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111443617.7 (22)申请日 2021.11.30 (71)申请人 重庆忽米网络科技有限公司 地址 400041 重庆市高新区万科023创意天 地万科锦尚4幢3单 元 (72)发明人 陈虎　王巧　程源　邹平　 (74)专利代理 机构 重庆博凯知识产权代理有限 公司 50212 代理人 黄河 (51)Int.Cl. G06F 30/27(2020.01) G06Q 10/04(2012.01) G06Q 10/00(2012.01) G06K 9/62(2022.01) G06F 119/02(2020.01) (54)发明名称 一种用于 旋转类设备的故障时间预测方法 (57)摘要 本发明涉及机械故障预测技术领域， 具体涉 及一种用于旋转类 设备的故障时间预测方法， 包 括： 获取旋转设备的历史运行数据； 对旋转设备 进行工业机理分析， 计算得到能够 表征旋转设备 实际状态的运行数据作为关键因子； 基于各个关 键因子构建并训练对应的单因子预测模型； 对各 个单因子 预测模型进行多因子融合处理， 生成对 应的设备健康趋势预测模型； 基于设备健康趋势 预测模型进行旋转设备的故障时间预测。 本发明 中的故障时间预测方法能够保证预测模型的训 练效果， 从而能够提升旋转设备故障时间预测的 准确性。 权利要求书1页 说明书4页 附图1页 CN 114065651 A 2022.02.18 CN 114065651 A 1.一种用于 旋转类设备的故障时间预测方法， 其特 征在于， 包括以下步骤： S1： 获取旋转设备的历史运行 数据； S2： 对旋转设备进行工业机理分析， 计算得到能够表征旋转设备实际状态 的运行数据 作为关键因子； S3： 基于各个关键因子构建并训练对应的单因子预测模型； S4： 对各个单因子预测模型进行多因子融合处 理， 生成对应的设备健康趋势预测模型； S5： 基于设备健康趋势预测模型进行旋转设备的故障时间预测。 2.如权利要求1所述的用于旋转类设备的故障时间预测方法， 其特征在于： 步骤S1中， 获取到旋转设备的历史运行 数据后， 对运行 数据进行 滤波降噪处 理。 3.如权利要求1所述的用于旋转类设备的故障时间预测方法， 其特征在于： 历史运行数 据包括振动、 噪声和温度三方面的相关数据。 4.如权利要求1所述的用于旋转类设备的故障时间预测方法， 其特征在于： 步骤S2中， 通过对旋转设备进行工业机理分析， 得到旋转设备各个运行数据的关键指标， 并基于关键 指标确定对应的关键因子 。 5.如权利要求1所述的用于旋转类设备的故障时间预测方法， 其特征在于： 步骤S3中， 首先对关键因子进行时序分析， 然后基于时序分析的结果建立对应的ARIMA模型作为对应 关键因子的单因子预测模型， 并对各个单因子预测模型进行训练。 6.如权利要求5所述的用于旋转类设备的故障时间预测方法， 其特征在于： 进行时序分 析时， 基于各个关键因子 选取对应的时间范围。 7.如权利要求5所述的用于旋转类设备的故障时间预测方法， 其特征在于： 建立单因子 预测模型 前， 先将各个关键因子标准 化至同一维度。 8.如权利要求1所述的用于旋转类设备的故障时间预测方法， 其特征在于： 步骤S4中， 首先对各个关键因子进 行PCA主成分分析和因子 分析， 消除关键因子 之间的相关性影响， 并 得到各个关键因子的影响权重， 然后基于 关键因子的影响权重对各个单因子预测模型进 行 融合， 生成对应的设备健康趋势预测模型。 9.如权利要求1所述的用于旋转类设备的故障时间预测方法， 其特征在于： 步骤S5中， 获取旋转设备 的实时运行数据， 并将实时运行数据输入设备健康趋势预测模型中， 由设备 健康趋势预测模型输出对应的故障预测时间。 10.如权利要求9所述的用于旋转类设备的故障时间预测方法， 其特征在于： 基于实时 运行数据执行步骤S2至S4， 以对设备健康趋势预测模型进行 更新。权　利　要　求　书 1/1 页 2 CN 114065651 A 2一种用于旋转类设 备的故障时间预测方 法 技术领域 [0001]本发明涉及机械故障预测技术领域， 具体涉及一种用于旋转类设备的故障时间预 测方法。 背景技术 [0002]对于旋转类设备的运行状态监测和故障检测， 一直是人们关心的重点。 保障旋转 类设备安全可靠的运行， 不仅能够提高生产效率， 还能够降低设备维护成本。 对于大中型机 械设备来说， 传统的维护方式是以时间为基础的预防性 维护， 也称定期维护， 这种维护方式 的主要特点是不论设备是否有故障都按人为计划的时间定期 检修， 为避免重要机械 设备意 外停产而造成巨大 的经济损失， 周期性强制维护的时间周期 留有较大 的安全系数， 因而现 有维护方式的维护成本 很高。 [0003]预知维护是新兴的设备动态维护方式， 其可以从根本上改变现有的设备维修制 度， 其通过对机械设备的运行状态做 监测及预测， 以取代以时间为基础的定期检修方式， 其 是一种以运行状态为基础的预知维护方式。 例如， 公开号为CN101799320B的中国专利就开 了 《一种旋转设备故障预测方法及其装置》 ， 其通过数据采集模块采集适合四种预测模块的 振动信号作历史数据； 由数据采集模块实时在线采集各种情况下的振动信号， 作当前数据； 利用趋势预测方法对保存的数据分析； 将下一时刻采集的振动信号分析处理后， 与前一时 刻由趋势预测方法得到的结果比较； 比较后得到的最优预测模型。 [0004]上述现有方案中的旋转设备故障预测方法能适应不同旋转设备需要， 进而能够实 现对旋转设备状态进 行实时在线 预测。 但是， 影响旋转设备运行状态的相关运行数据很多， 并且不同旋转设备对应的运行数据可能不同， 这使得现有旋转设备故障预测方法中的预测 模型需要大量的历史数据进行训练， 才能够保证故障时间的预测准确性。 然而， 实际应用 时， 旋转设备 的历史数据难以采集且数据标签难以量化， 使得训练得到的预测模型可解释 性不强且泛化能力不佳， 也就是说， 预测模型的训练效果不好， 进而导致旋转类设备故障时 间预测的准确 性不好。 因此， 如何设计一种能够保证预测模型训练效果的故障时间预测方 法是亟需解决的技 术问题。 发明内容 [0005]针对上述现有技术的不足， 本发明所要解决的技术问题是： 如何提供一种用于旋 转类设备 的故障时间预测方法， 以能够保证预测模型 的训练效果， 从而提升旋转设备故障 时间预测的准确性。 [0006]为了解决上述 技术问题， 本发明采用了如下的技 术方案： 一种用于 旋转类设备的故障时间预测方法， 包括以下步骤： S1： 获取旋转设备的历史运行 数据； S2： 对旋转设备进行工业机理分析， 计算得到能够表征旋转设备实际状态的运行 数据作为关键因子；说　明　书 1/4 页 3 CN 114065651 A 3